Искусственный интеллект сейчас повсюду в банковской сфере. Каждая стратегическая презентация упоминает его, каждое учреждение заявляет, что инвестирует в него, и каждый совет задает вопрос руководству, насколько быстро его можно внедрить. Accenture опросил 500 американских советников в прошлом году, и 96% из них считают, что генеративный искусственный интеллект изменит обслуживание клиентов.
Во многих случаях то, что внедряется, ближе к демонстрации, чем к трансформации с реальным влиянием на бизнес - системы, которые хорошо работают в контролируемых средах, но могут испытывать трудности при подключении к сложной инфраструктуре реального банковского дела.
Но самый большой риск для банков сегодня заключается не в том, что они движутся слишком медленно с внедрением ИИ, а в том, что внедряют его в неправильной последовательности.
Почему инфраструктура данных должна быть отправной точкой
Во всей отрасли многие банки приоритизируют видимый ИИ - чатботы, ассистенты и клиентские интерфейсы - прежде чем исправить основы, которые делают ИИ действительно работающим. Инфраструктура данных, управление и объяснимость часто рассматриваются как второстепенные проблемы. На самом деле, это отправная точка.
Этот шаблон легко понять, если посмотреть, как развиваются обсуждения об ИИ внутри банков. Советы испытывают давление продемонстрировать прогресс быстро. Самый простой способ показать этот прогресс - запустить что-то видимое, и чатбот - самый быстрый способ сделать это.
Технически внедрение чатбота относительно просто: подаете большую языковую модель внутренние политики и документацию, и она может почти мгновенно отвечать на вопросы сотрудников или клиентов. Но стратегически это лишь поверхностный взгляд на то, что ИИ может реально сделать. Реальная возможность лежит гораздо глубже, в том, как банки организуют и используют свои данные.
Финансовые учреждения владеют одним из самых богатых наборов данных в экономике
Они знают, где мы тратим деньги, как эволюционирует наше финансовое поведение со временем и как крупные события жизни формируют нашу финансовую жизнь. Для многих клиентов банки имеют записи десятилетий финансовой деятельности. Через KYC те же учреждения также собирают значительное количество информации. И это еще не все: банки хранят многослойные структурированные и неструктурированные данные - многие из них имеют высокую ценность, если они правильно очищены и подготовлены для моделей ИИ.
Но наличие эквивалента нескольких жизней клиентских данных ничего не значит, если вы не можете воспользоваться этим.
Большая часть этой информации хранится в старых системах, созданных более тридцати или сорока лет назад. Данные хранятся в различных форматах в разных отделах и хранилищах. В некоторых случаях критическая информация о клиентах все еще заблокирована в отсканированных документах или рукописных формах.
Внедрение клиентоориентированного ИИ поверх фрагментированных, несогласованных старых данных эффективно автоматизирует ошибки в масштабе
Когда банки пытаются внедрить ИИ поверх такой среды, результат можно предсказать. Мусор на входе все равно означает мусор на выходе - даже с самыми передовыми моделями.
Проще говоря, технология готова, но инфраструктура - нет.
Вот почему правильная последовательность внедрения ИИ в банковском секторе проста: сначала данные, затем модели. Без чистых, стандартизированных данных даже самый мощный двигатель ИИ бесполезен.
Сами модели уже не являются главной проблемой. Технология уже существует и продолжает быстро улучшаться. Что определяет работу ИИ в банковской сфере, это качество и структура информации, которую он получает.
Эта проблема становится еще более важной, когда в дело вступает регулирование.
Современные системы ИИ полагаются на нейронные сети с миллиардами параметров. На практике они функционируют как черные ящики. Даже их создатели не могут полностью объяснить, как генерируется каждый вывод.
Для регуляторов и службы соблюдения законов это вызывает понятное недоверие. Если система ИИ рекомендует действие, фиксирует транзакцию или поддерживает финансовое решение, учреждение должно быть способно обосновать причины за этим стоящие.
Вот почему службы соблюдения законов часто воспринимаются как препятствие для внедрения ИИ. Однако соблюдение законов также может стать одним из крупнейших выигравших от ИИ.
60 млрд долларов: ежегодные глобальные затраты на соблюдение финансовых преступлений
По данным LexisNexis, глобальные затраты на соблюдение финансовых преступлений превышают $60 млрд ежегодно. Большая часть этой работы включает в себя ручные процессы, такие как проверка клиентов, верификация документов и отчетность в соответствии с регуляторными требованиями. ИИ имеет потенциал трансформировать эти процессы, но только после того, как базовая информация будет структурирована и доступна. Без этой подготовки автоматизация соблюдения просто добавляет сложности.
Еще одним распространенным недопониманием в отрасли является идея о том, что ИИ в банковской сфере в основном означает чатботы. Так же важно измерить, работают ли системы ИИ на самом деле. Банки должны отслеживать метрики, такие как точность, завершение задач и уровень галлюцинаций, чтобы понять, улучшают ли модели операции или просто генерируют убедительные ответы.
Реальное преобразование не произойдет отдельно от одной модели, а от мультиагентной системы с несколькими агентами, объединяющими специализированные модели и работающими вместе как команда. Одна модель может анализировать финансовые данные, другая может интерпретировать требования регулирования, третья может оценить налоговые последствия, а четвертая - оценить рыночные условия.
Это гораздо ближе к тому, как принимаются решения внутри банка. Клиентов не консультирует один человек, а специалисты, работающие вместе - по инвестициям, риску, налогам и соблюдению. ИИ начинает отражать эту структуру.
Вместе они могут воссоздать коллективное принятие решений, которое в настоящее время требует команд специалистов. Есть также ясная причина, почему это преобразование имеет значение сейчас.
Бумеры и поколение X в настоящее время контролируют около 70% глобального богатства
В ближайшие два десятилетия примерно $124 трлн перейдет их наследникам. Таким образом, учреждения, которые не адаптируются к цифровым клиентам, рискуют потерять 70% следующего поколения, прежде чем с ними вообще будет установлен контакт.
Будущие клиенты ожидают цифровых сервисов, которые полностью интегрированы в их жизнь - с более быстрыми инсайтами, большей проактивностью, большим эмпатией и гиперперсонализированными советами. В то же время история финансов, которая делает возможным персонализированные советы, уже хранится в старых системах традиционных банков.
Если учреждения смогут организовать и мобилизовать эту информацию, они получат мощное преимущество. Если нет, новые цифровые платформы быстро догонят их.
У банков нет проблем с технологиями, у них проблема с данными.
Учреждения, которые найдут время организовать и структурировать информацию, которую они уже имеют, извлекут огромную ценность из ИИ. Те, кто сосредотачивается только на инструментах поверхностного уровня, обнаружат, что технология приносит гораздо меньше, чем ожидалось.
В банковской сфере, как и во многих отраслях, важнее обычно является трудная работа, чем видимая.
Альваро Моралес, сооснователь и председатель Flanks
"Искусственный интеллект на поверхностном уровне - крупнейший стратегический риск для банков в 2026 году" был создан и опубликован Private Banker International, брендом, принадлежащим GlobalData.
Информация на этом сайте была включена добросовестно исключительно в общие информационные цели. Она не должна считаться советом, на который вы должны полагаться, и мы не делаем никаких представлений, гарантий или обещаний, будь то явные или подразумеваемые относительно ее точности или полноты. Прежде чем принимать какие-либо действия на основе содержания нашего сайта, вы должны получить профессиональный или специализированный совет.
